agv开题报告

中北大学信息商务学院毕业论文开题报告
学生姓名：学号：
学院、系：信息商务学院、信息与通信工程系专业：电气工程及其自动化
论文题目：自动导引车AGV路径识别技术的研究指导教师:
2014年3月6日
毕业论文开题报告
1．结合毕业论文情况，根据所查阅的文献资料，撰写2000字左右的文献综述：
文献综述
1 本课题研究的背景及意义
本课题主要通过计算机视觉相关技术研究AGV的视觉导航技术。

通过采集道路图像并对实际道路图像进行处理并提取标识线图像的相关参数，从而为控制系统提供相关指令[1]。

自动导引车（AGV）是采用自动或者人工方式装载货物，按照设定的路线自动行驶或牵引着载货台车至指定地点，再用自动或人工方式装载货物的工业车辆[2]。

按日本JISD6801的定义：AGV是以电池为动力源的一种自动操纵行驶的工业车辆。

自动导引车只有按物料搬运作业自动化、柔性化和准时化的要求，与自动导向系统、自动装载系统、通讯系统、安全系统和管理系统等构成自动导引车系统（AGVS）才能真正发挥作用[3]。

利用计算机视觉技术引导AGV是一种重要的AGV导航手段。

该方法通过摄像头获取道路图像信息并进行处理，获取道路参数，以此来指引AGV导航。

AGV的视觉导引方式具有信息量大和引导柔性等优点[4]。

视觉导引方式中导引图像的处理技术处于很重要的位置。

计算机导引的原理是：在小车上安装CCD摄像头，透过它生成小车周围环境的图像与计算机系统中储存的环境地图进行特征匹配，从而可以确定小车当前的位置，进而确定下一步的运动，实现智能行驶[5]。

就目前来讲，完全基于周围景物识别进行引导，从实现上还是比较困难的。

通常采用的方法是，在工作现场设置色标或条码标志。

计算机视觉导引是一种非常有潜力的技术，应用前景非常广泛，许多关键技术尚在研究之中[6]。

一个真正的智能AGV系统必备功能包括理解能力、运动控制、路障躲避、位置定位和路径规划导航等[7]。

这些功能的实现涉及许多关键领域，这些领域包括: 传感器技术：AGV上通常安装了许多不同类型的传感器，AGV正是靠它们才能感测周围环境。

最常用的传感器有视觉传感器红外传感器和超声波传感器。

数据融合:AGV不可能只是依靠某一种传感器就能从环境中获取足够的信息。

而各
种传感器感测到的数据差异很大，因此需要一个智能的数据融合算法。

图像处理和轨迹规划：AGV必须首先把周围环境用图像信息表示出来，经分析处理后产生合理的路径。

先进控制算法：一个先进的控制算法可以把AGV系统的各种过程（传感器测量、数据融合、图像处理、路径规划和任务执行等）有效地组织起来，从而使AGV取得更优良的性能。

随着智能AGV的应用日益广泛，以及对AGV智能化的要求不断提高，机器视觉也被广泛应用在AGV领域，并已成为智能AGV不可缺少的组成部分[8]。

在复杂的条件下，通常会要求AGV能够根据算法来完成动作。

此时，AGV需要解决一下三个问题：
1.判断AGV实际位置
2.获得AGV期望位置
3.AGV如何达到期望位置
由于基于视觉的AGV需要完成的任务具有多样性和实时性，因此它比传统的机器视觉方法复杂，其中最重要的就是确保实时性[9]。

在理想的硬件平台下，人们提出了很多的路径识别的方法，目的都是提高路径识别的可靠性、适应性和实时性。

其中大多数算法都是基于灰度图像的处理的当路面环境比较复杂时，往往难以达到比较好的识别效果[10]。

2 国内外研究现状
目前，AGV多采用电磁感应导引来实现对路线的自动跟踪，但是这种导引方式灵活性较差，适用成本高，安装维护和改造也很不方便[11]。

因此，人们力图寻找一种新的方法，使AGV具有更高的柔性和经济性，激光、超声波、蓝牙等高科技先后被用于实现AGV的自动导引[12]。

最近，随着数字视频技术的不断完善和高性能数字处理芯片的大量涌现，AGV的视觉导引开始成为研究开发的热点[13]。

该方法通过CCD或者CMOS 摄像头拍摄路面图像交送DPS芯片或者PC进行数字图像处理，结果用于实现小车的运动控制[14]。

由于视觉导引方法不需要认为埋设路径，因此成本低，安装维护方便，并在理论上具有最佳的柔性。

视觉作为人类最主要的获取信息的感官，也被越来越多的应用到工业控制中。

机器视觉就是利用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动的识别[15]。

机器视觉研究的目的之一就是寻找人类视
觉规律，从而开发出从图像输入到自然景物分析的图像理解系统。

机器视觉可以替代人类的视觉从事检验、目标跟踪、机器导向等方面的工作，特别是在那些需要重复、迅速地从图像中获取精确信息的场合、视觉技术理论设计图像处理、模拟识别、人工智能等方面[16]。

20世纪50年代初期，美国的Barrett公司研究出世界上第一胎牵引式的无人运输车。

该车的结构和控制都相当简单，总体技术水平及自动化程度都不高。

但是，该AGV小车还是于1954年在Mercury Motor Freight公司投入运行。

到60年代和70年代初。

由于电子硬件技术和控制学科不断发展，越来越多的控制策略及其控制硬件被应用到AGV系统上，就开始出现一些别较智能化和操作简单的AGV。

与此同时，欧洲各公司通过对托盘尺寸及结构实现了行业标准化处理，因此这种举措极大地促进了AGV的产业化。

随后，大量的AGV产品广泛的应用到汽车行业的装配线运输，大大提高了生产效率及产业效益。

当时，欧洲投入使用的AGV系统达到520套，小车总量约为4800台。

从80年代初期，在欧洲的美国公司开始以许可证与合资经营的方式将欧洲的AGV技术转移到美国。

此后，美国公司对引进的欧洲AGV再次进行技术升级和改造创新。

截止2005年，全世界投入使用的AGV系统达到了16000多套，AGV则超过了10万台[17]。

参考文献
毕业论文开题报告
２．本课题要研究或解决的问题和拟采用的研究手段（途径）：
1本课题的主要目标
视觉导引主要是利用CCD/CMOS图像传感器获取AGV周围的图像，通过实时的机器视觉处理来确定AGV的运动方式，这种导引方式有固定路线和自由路线2种。

固定路线方式一般情况下都将图像传感器安装到AGV的顶部，视野为AGV前方的地面，并在行驶路径上涂漆或粘贴色带，AGV实时地根据图像识别出导引线，并沿着它的路线前进。

这种方式精度很高，而且，图像传感器价格低廉，对场地的要求不高，非常适合一些特殊的场合。

但固定路线方式在地面上画的引导线必须是标准的形式，否则，视觉导引系统可能不能识别。

如果AGV想改变路径，必须在地面上重新画导引线，灵活性较差。

视觉导引具有检测范围宽、信息容量大(结构化或者非结构化道路环境均能提供丰富的信息)、类似于人工驾驶决策等诸多优势，随着图像传感器和微处理器的飞速发展，视觉导引以低廉的价格、较高的精度和灵活性，受到了高度的重视，成为当前研究较多的导引技术。

视觉导引的不足之处在于光线的变化对机器视觉影响很大，在光照条件不好或无光照的情况下单纯依靠视觉无法保证能够进行可靠的检测与导引。

人们总是希望能有一个能适用于各种各样环境，能够满足各种要求以及普遍适用的视觉导引图像处理的算法，但是实际应用中要达到这样的要求是十分困难的，因为实际应用中不但要考虑到算法要尽量适用于多种环境，而且一般还要针对具体的应用，在算法的复杂度、可靠性，以及实时性等诸多方面折中考虑，下面对已有的视觉导引的基本方法进行分析。

2本课题的解决方法
通过对摄像机系统的数学建模,包括坐标系的建立以及车道模型的分析,在图像预
处理过程中,经过基于序列图像的灰度图像二值化处理后,对导航标示线边缘进行检测,获得了自动导引车在行驶过程中关于路径环境的动态信息。

为了使自动导引车更准确地跟踪路径,研究了导航标示线的中心线检测算法,发现常规Hough变换提取导航中心线的算法实时性较差,因此研究基于预测的Hough变换算法对导航中心线进行提取。

结果
表明,改进的Hough变换算法提高了系统的实时性,并具有较好的检测效果。

针对视觉导航式AGV实际运行状况中单一的导航标示线提供给AGV的信息量匮乏这一缺点,为了使路径信息丰富,改善AGV系统的智能性,在对自动导引车工作现场环境的模拟分析的基础上,设计了两类简单且易于识别的导航标识符：控制标识符和数字标识符。

采用图像投影的方法分别对这两类标识符确定感兴趣区域,依据标识符各自特征分别构造特征向量进行识别。

结果表明,在有噪声的情况下,图像投影的方法能够提高标识符的识别率,并且具有较强的抗干扰能力和较好的鲁棒性。

自由路径方式对AGV行驶区域的环境进行图像识别，实现无固定路线的智能化行驶。

目前，世界各国都在研究利用多图像传感器，从不同的角度获取图像，利用机器视觉整合出立体的影像，通过图像识别引导，不仅可以识别周围环境，还可以测出物体的距离。

这是一种具有长远发展潜力的技术，目前，只有极少数国家的军方试用，将其应用到普通AGV上还有较长的距离。

毕业论文开题报告
指导教师意见：
指导教师：
年月日所在系审查意见：
系主任：
年月日。